arXiv cs.CL· Adeleke Adeniyan, Abimbola H. Afolayan, Olanrewaju V. Johnson·· 11 小时前AI 评分31
面向尼日利亚手语字母数字手势离线识别的边缘优化 YOLOv11n 架构
Edge-Optimized YOLOv11n Architecture for Offline Recognition of Nigerian Sign Language Alphanumeric Gestures
AI 导读
研究提出轻量级 YOLO11n 目标检测框架，在 RAM 仅 1GB 至 4GB 的普通手机上实现尼日利亚手语字母数字手势的实时离线识别。团队构建含 11,208 张原始手势图像、33 个静态类别、5 位手语者的基准数据集，增强后训练集达 23,509 张，验证集与测试集各 1,681 张。
正文 · AI 翻译
摘要：撒哈拉以南社会中的聋人包容面临区域性障碍，其中尼日利亚是核心实证焦点。现有识别模型需要大量计算基础设施。然而，当地使用的标准手机内存通常不超过 1 GB 至 4 GB RAM。本研究通过轻量级 YOLO11n 目标检测框架应对这些限制。该系统为低资源硬件提供实时尼日利亚手语识别。建立了包含 11,208 张原始手势图像的基准数据集。数据涵盖来自五名手语者的 33 个静态类别。划分时将手语者 S1 至 S3 隔离用于训练。手语者 S4 提供验证数据。手语者 S5 保留用于测试。空间增强严格限制在训练集内。由此得到 23,509 张训练图像。验证集和测试集各在多样环境中保持 1,681 张图像。该框架集成了量化感知压缩目标。损失函数与平方 Frobenius 范数惩罚相结合，以控制权重失真。空间密度遮挡指数用于量化背景复杂度和自遮挡。延迟分析方程将浮点运算和内存带宽与芯片组时钟速度关联起来。在物理 Android 硬件上的性能测试使用未量化的 FP32 权重。平均推理延迟范围为 405.5 ms 至 1,759.4 ms。针对测试数据测量，该算法达到精确率 0.9975。召回率达到 0.9991。平均精度均值为 0.9942。结果支持在受限移动设备上离线运行。实际部署通过使用 CameraX 的移动实用程序运行。该应用实时捕捉手势。识别出的手语立即以文本形式显示。
| 评论： | 12 页，6 幅图，7 张表 |
| 主题： | 计算机视觉与模式识别（cs.CV）；计算与语言（cs.CL） |
| 引用为： | arXiv:2611.00025 [cs.CV] |
| （或本版本的 arXiv:2611.00025v1 [cs.CV]） | |
| https://doi.org/10.48550/arXiv.2611.00025 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Adeleke Adeniyan [查看电子邮件]
[v1]
2026 年 10 月 3 日星期六 19:15:16 UTC（1,097 KB）
来源：arXiv cs.CL · arxiv.org